文献

J-GLOBAL ID：202002284902517693   整理番号：20A1567482

MolGANの拡張による文章グラフを用いた文章生成手法の提案

Sentence Generation Method by Extension of MolGAN Using Sentence Graph

著者 (5件)： 澤崎夏希 (琉球大学工学部理工学研究科情報工学専攻) ,  遠藤聡志 (琉球大学工学部工学科知能情報コース) ,  當間愛晃 (琉球大学工学部工学科知能情報コース) ,  山田孝治 (琉球大学工学部工学科知能情報コース) ,  赤嶺有平 (琉球大学工学部工学科知能情報コース)
資料名： 知能と情報  (日本知能情報ファジィ学会誌)
巻： 32  号： 2  ページ： 668-677(J-STAGE)  発行年： 2020年04月15日 
JST資料番号： L0501A  ISSN： 1347-7986  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 深層学習によって様々な分類問題が解決されているが,分類カテゴリ毎のデータ量が不均衡な問題を扱う場合,多くの課題がある.不均衡データへの対策として,少量カテゴリのデータ量を増加させ均衡化する手法がある.これをかさ増しと呼び画像処理分野ではノイズの付与や回転による方法が一般的である.最近ではGenerative Adversarial Network: GANによる画像生成手法を用いる場合がある.一方で,自然言語処理の分野では有効なかさ増し手法はいまだ確立されておらず,人手によるかさ増しが行われている.人手によるかさ増しではルールの設計など負担が大きく,機械的なかさ増し手法が必要となる.しかし,文章生成における機械的なかさ増しは画像生成に比べ不安定である.これは文章の特徴獲得の難しさが原因だと考えられる.そこで本論文ではグラフ情報に注目した機械学習による文章生成手法を提案する.CaboChaによって生成されたグラフ情報をGraph Convolutionにより畳み込み処理する.提案するGANにより生成されたかさ増し文章を3つの計算実験により評価し有効性を示した.(著者抄録)

シソーラス用語： *文書処理 ,  *自然言語処理 ,  *機械学習 ,  *パターン分類 ,  雑音 ,  *画像合成 ,  不安定性 ,  グラフ ,  文章 ,  畳込み ,  実験 ,  評価試験 ,  システム評価
準シソーラス用語： ノイズ ,  *自然言語生成 ,  *深層学習 ,  被験者実験 ,  *文章生成

著者キーワード (6件)： 自然言語のかさ増し ,  不均衡データ ,  GAN ,  text data augumantation ,  unblanced data ,  GAN

分類 (4件)： 自然語処理  (JE06000L) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

引用文献 (23件)：

• [1] H. He and E. A. Garcia: “Learning from imbalanced data,” IEEE Trans. on Knowledge and Data Engineering, Vol.21, No.9, pp. 1263-1284, 2009.
• [2] I. Goodfellow et al.: “Generative Adversarial Nets,” Advances in Neural Information Processing Systems, 2014.
• [3] G. Mariani et al.: “BAGAN: Data Augmentation with Balancing GAN,” arXiv preprint, arXiv:1803.09655, 2018.
• [4] C. Coulombe: “Text Data Augmentation Made Simple By Leveraging NLP Cloud APIs,” arXiv preprint, arXiv:1812.04718, 2018.
• [5] S. Kobayashi: “Contextual Augmentation: Data Augmentation by Words with Paradigmatic Relations,” arXiv preprint, arXiv:1805.06201, 2018.

タイトルに関連する用語 (6件)： 拡張 ,  文章 ,  グラフ ,  文章生成 ,  手法 ,  提案